机器学习--手推线性回归

机器学习–线性回归 解决问题：处理大量观测数据，得出比较符合事物内部规律的数学表达式。模拟结果或预测结果 基本思想：用梯度下降法对最小二乘法的误差函数继续优化； 数学分析：使用对数似然函数，将连乘变为连加，改善梯度问题； 流程：1、假设；2、优化目标；3、梯度下降 优缺点：实现简单，但不能拟合非线性数据，选取合适的多项式阶数对于回归模型拟合程度会产生重要影响。多项式阶数越高越容易产生过拟合现象。

>>阅读原文<<